Out-of-Sample Forecast Performance as a Test for Nonlinearity in Time Series
以样本外预测表现检验时间序列非线性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究货币总量时间序列的非线性，并以近邻方法和线性模型的样本外预测比较提供证据，对应时间序列与预测。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
以样本外预测表现检验时间序列非线性
- 研究问题
- Divisia 货币总量序列是否存在带噪声的低维混沌过程？研究利用样本外预测表现，考察既有关于确定性动态的主张。
- 方法与思路
- 作者将利用局部信息的近邻非参数预测与拟合最佳的整体线性模型比较，并通过稳健的预测表现检验评估样本外准确性。
- 材料陈述的贡献
- 摘要称，局部方法的预测改善程度与低维吸引子假说不一致，因此未能支持此前关于该货币序列确定性的主张。
- 阅读关注点
- 核对近邻选择、预测窗口、线性基准筛选和表现检验的设置，重点查看预测改善如何与低维吸引子假说联系起来。
- 阅读边界
- 摘要未说明样本时期、预测步长、检验统计量或改善幅度；未支持低维确定性混沌，并不等于排除了所有非线性动态。
原文摘要
This article uses a local-information, near-neighbor forecasting methodology as a prediction test for evidence of a noisy, chaotic data-generating process underlying the Divisia monetary-aggregate series. Using a nonparametric method known to perform well with low-dimensional chaotic processes infected by noise, accompanied by a robust test of forecast performance evaluation, the authors compare out-of-sample forecasting accuracy from the local-information method to forecasting accuracy from the best fitting global linear model. Their results fail to substantiate previous claims for determinism in the Divisia monetary-aggregate series because the degree of forecast improvement obtained by the local-information method is not consistent with the hypothesis of a low-dimensional attractor underlying the Divisia data.